هوش مصنوعی یک کارمند را اخراج کرد !

مدتی بود ابراهیم دیالو دچار سرخوردگی و احساس ناامیدی در محل کارش شده بود.

مدیر جدیدی به بخش آنها آمده بود و شرایط کاری وی تغییراتی پیدا کرده بود. در اقدامی عجیب و جالب، سیستم کامپیوتری که ابراهیم هر روز در شرکت با آن کار می‌کرد، رمز عبور وی را مسدود و دسترسی‌اش را به سیستم قطع کرد. وقتی ابراهیم تلاش می‌کرد که وارد سیستم کامپیوتری شود، متوجه حضور ماموران حراست شرکت بالای سر خودش شد. ماموران حراست شرکت متوجه شده بودند کسی به زور می‌خواهد وارد سیستم کامپیوتری شود و بدون توجه به اینکه ابراهیم دیالو کارمند همان مجموعه است وی را کشان‌کشان و به زور به حراست شرکت منتقل کردند.

سیستم کامپیوتری ابراهیم دیالو را از کار اخراج و همه‌ی دسترسی‌های وی را به سیستم غیر فعال کرده بود.

مدیران شرکت قادر نبودند توجیهی برای رفتار سیستم مبتنی بر هوش مصنوعی بدهند و در نهایت ابراهیم دیالو واقعا از شرکت اخراج شد!

هیچ کس نمی‌داند آینده هوش مصنوعی چه خواهد بود و هوش مصنوعی چه خطراتی برای ما خواهد داشت.

اما یک سیستم عملی و کاربردی هوش مصنوعی، با کمک ترکیبی از تکنیک‌ها می‌تواند چنین قوانینی را برای کارمندان در نظر بگیرد.

سیستم مبتنی بر هوش مصنوعی می‌تواند با توجه به شرایط واقعی، قوانین را اعمال کند و از آن‌ها استفاده نماید و در نهایت به صورتی هوشمندانه‌تر به اعمال قوانین و مقررات در شرکت بپردازد.

برای انجام این کار از سوابق موجود در بخش منابع انسانی شرکت استفاده می‌کند و سیستم قدرت یادگیری از سوابق را هم دارد.

چنین روند مشابهی در سیستم‌های حقوقی انگلستان مورد استفاده قرار گرفته بود.

با توجه به اینکه سیستم مبتنی بر هوش مصنوعی طراحی شده است، می‌تواند استدلال‌ها و نتیجه‌گیری‌های خودش را مورد تجدیدنظر قرار دهد و اگر نیاز به مدارک و اطلاعات بیشتری داشته باشد، خود را با روشی به نام Bayesian updating به‌روز رسانی می‌کند. یکی از مفاهیم هوش‌مصنوعی به‌نام «منطق فازی» می‌تواند در شرایطی که اوضاع سیاه و سفید نیست، با استفاده از شواهد و نتیجه‌گیری‌هایی که در مقیاس‌های مختلف انجام می‌دهد، درباره‌ی هر تصمیمی مجددا و با توجه به سایر عوامل‌ها تصمیم‌گیری کند. چنین سیستمی برای اخراج ابراهیم دیالو نیاز به بررسی بیشتر را احساس می‌کند و شاید در نهایت تصیم بگیرد اصلا دیالو را اخراج نکند.

در شرایط فعلی که الگوریتم‌های یادگیری عمیق بسیار پیچیده‌تر شده‌اند و شبکه‌های عصبی مصنوعی با الگوبرداری از مغز انسان، بسیار پیچیده‌تر از قبل هستند و می‌توانند داده‌های بزرگ را هم بررسی کنند، باید قبل از تصمیم‌گیری بتوانند همه‌ی جوانب را بررسی کنند و رویکردهای چندگانه‌ای را قبل از اتخاذ تصمیم نهایی در نظر بگیرند.

بسیار لازم است تا هوش مصنوعی بتواند با توجه به کل‌نگری و دیدن همه‌ی جوانب تصمیم گیری کند. در شرایط فعلی، برخی کارشناسان معتقد هستند که باید روالی متعادل‌‌تر در حوزه‌ی هوش مصنوعی در نظر گرفته شود. این متخصصان این‌طور استدلال می‌کنند که الگوریتم‌‌های یادگیری عمیق برای تشخیص الگوها، هنوز به درک عمیقی نرسیده‌اند و به همین دلیل باید به صورت متعادل‌تری آنها را وارد هر سیستمی کرد.

اگر چنین نگاهی به هوش مصنوعی داشته باشیم، قطعا احتمال خطاهای مبتنی بر هوش مصنوعی هم کاهش می‌یابد و اگر هم خطایی رخ داد، سیستم می‌تواند درس‌های مربوط به آن خطا را یاد بگیرد و برای سایر موارد مشابه مورد استفاده قرار دهد.

اگر شرکت‌ها و سازمان‌ها با چنین رویکردی به هوش مصنوعی نگاه کنند، می‌توانند از بروز اشتباهات و خطاهای جبران ناپذیر نیز جلوگیری کنند.

همین اتفاق در بین انسان‌ها هم می‌افتد، وقتی خطایی رخ می‌دهد، یک مدیر انسانی خوب، از اشتباهات درس می‌گیرد و شاید دیگر آن خطا را تکرار نکند؛ ولی قسمت جالب قضیه این است که وقتی مدیر آن قسمت عوض می‌شود و فرد دیگری جایگزین وی‌ می‌شود ممکن است مجددا همان اشتباه را به انجام برساند.